Meta Annonce Mango Et Avocado Pour Le Premier Semestre

Un jeudi de décembre, dans une séance interne de questions-réponses, deux noms de fruits ont suffi à recaler l’agenda d’un géant. Mango pour l’image et la vidéo. Avocado pour le texte. Derrière ces codes, moins une fantaisie de laboratoire qu’un aveu : Meta ne peut plus se contenter d’un assistant glissé dans la barre de recherche de ses applications. Le Wall Street Journal a rapporté la feuille de route dévoilée par Alexandr Wang et Chris Cox. Sortie visée : le premier semestre 2026. Le calendrier est court. La pression, elle, ne l’est pas.

Deux noms de code pour une course qui se joue ailleurs

Depuis plusieurs trimestres, le groupe de Mark Zuckerberg donne l’impression de courir après un peloton déjà lancé. OpenAI, Anthropic et Google occupent l’espace médiatique, les benchmarks et, souvent, les contrats d’entreprise. Meta, de son côté, dispose d’une audience que personne n’égale : des milliards de comptes, des fils, des stories, des groupes. Cette masse ne fabrique pas, à elle seule, un produit d’intelligence artificielle que les gens choisissent. Elle amplifie ce qui existe déjà.

C’est précisément ce décalage que le laboratoire de superintelligence, confié au cofondateur de Scale AI, est censé combler. L’arrivée d’Alexandr Wang n’a pas été un simple recrutement. Elle a marqué un recentrage brutal : moins de dispersion, plus de modèles fondateurs, une promesse de rattrapage visible. Mango et Avocado sont les premiers noms concrets de cette promesse. Ils ne sont pas encore des produits. Ils sont un signal interne autant qu’externe.

Le choix des noms de code n’est pas anodin. Dans les couloirs des labos, un fruit ou un légume sert souvent de paravent. Il évite de figer trop tôt une marque grand public. Il permet aussi de parler d’un projet sans livrer son positionnement. Ici, la séparation est nette. Un modèle traite le langage. L’autre traite ce que l’œil voit, ce que la caméra filme, ce que l’on peut générer ou comprendre dans une séquence.

Ce que Wang a réellement mis sur la table

Lors de cet échange interne, Wang n’a pas vendu une démo spectaculaire. Il a décrit une direction. Le modèle texte, Avocado, doit progresser là où Meta a le plus à se faire pardonner face aux outils déjà installés chez les développeurs : le code. Écrire, corriger, expliquer, tenir un dépôt sur la durée. Ce terrain est devenu le juge de paix des modèles généralistes. Un assistant qui rédige un post correct mais trébuche sur une fonction récursive ne convainc plus les équipes techniques.

À côté, le responsable a évoqué des world models, ces modèles de monde capables de lire une scène, d’en tirer une logique, de planifier et d’agir sans avoir été entraînés sur chaque cas possible. L’idée n’est pas neuve. Elle circule depuis des années dans la recherche sur la robotique et les agents. La nouveauté, ici, est de la placer au cœur d’une feuille de route commerciale, avec une fenêtre de publication située au premier semestre 2026.

Le texte doit mieux coder. Le visuel doit comprendre, raisonner, planifier et agir, sans avoir tout vu à l’avance.

– Synthèse des orientations exposées par Alexandr Wang lors de la séance interne

Chris Cox, directeur produit, était à ses côtés pour présenter ce calendrier. Le duo dit quelque chose de l’organisation : la recherche ne parle plus seule. Le produit est dans la pièce. Cela peut accélérer la sortie. Cela peut aussi pousser à publier avant que le modèle ne soit vraiment prêt, histoire de tenir une date annoncée en interne.

Pourquoi l’image et la vidéo pèsent autant que le texte

Meta n’est pas une entreprise de documents. C’est une entreprise de regards. Photos, Reels, appels, lunettes, fils visuels : le groupe vit de ce que les gens filment et partagent. Un modèle texte solide est nécessaire. Un modèle image et vidéo crédible est presque existentiel. Mango répond à cette logique. S’il tient ses promesses, il peut alimenter la création dans les apps, les outils publicitaires, les essais de réalité mixte, et peut-être des agents capables de suivre une scène plutôt qu’un simple prompt.

La génération vidéo est pourtant le terrain le plus ingrat. Elle coûte cher en calcul. Elle se juge en une seconde : un mouvement faux, un visage qui glisse, une physique absurde, et la magie tombe. Les rivaux ont déjà montré des extraits spectaculaires. Le public, lui, a appris à se méfier des bandes-annonces. Ce qui comptera, ce n’est pas une séquence de démonstration. C’est la constance sur des usages répétés, dans des formats courts, avec des contraintes de marque et de modération.

Un world model va plus loin qu’un générateur de clips. Il suppose une mémoire de la scène, une capacité à anticiper, parfois à proposer une action. Sur le papier, cela rapproche Meta de ses ambitions matérielles : lunettes, assistants embarqués, interactions moins dépendantes du clavier. Sur le terrain, cela suppose des données, une infra, et des équipes qui restent. Trois conditions qui, ces derniers mois, n’ont rien eu d’évident.

Un laboratoire sous tension, pas une page blanche

Le récit officiel aime les recommencements. La réalité du laboratoire de superintelligence est plus rugueuse. L’année a été marquée par des réorganisations, des changements de tête, des recrutements spectaculaires arrachés à d’autres labos. Plusieurs de ces chercheurs, une fois arrivés, sont déjà repartis. Un nom de code ne répare pas un turnover. Il le rend seulement plus visible, parce que tout le monde attend désormais un livrable.

Le départ annoncé de Yann LeCun, chef scientifique historique de l’IA chez Meta, pour fonder sa propre société, ajoute une couche symbolique. LeCun n’était pas le patron opérationnel du nouveau labo. Son départ dit autre chose : une partie de la culture scientifique qui a fait la réputation du groupe choisit de construire ailleurs. Les modèles qui sortiront porteront donc moins l’empreinte d’une école que celle d’une coalition récente, réunie autour de Wang.

Scale AI, l’entreprise dont Wang est cofondateur, s’est construite sur l’annotation et la qualité des données. Ce bagage n’est pas un détail. Les modèles visuels et les modèles de monde échouent souvent moins par manque d’architecture que par manque de données propres, diversifiées, bien étiquetées. Si Mango a un avantage caché, il est peut-être là : une culture du jeu de données, pas seulement du papier de recherche.

L’assistant actuel ne fait pas un produit gagnant

Meta AI existe. On le croise dans la recherche des applications. Ses volumes d’usage sont soutenus par la distribution, pas par une préférence claire des utilisateurs. Placer un assistant sous les yeux de milliards de personnes produit des chiffres. Cela ne produit pas forcément une habitude. La nuance est décisive pour juger Mango et Avocado. S’ils ne font qu’alimenter le même encart, le groupe aura publié des modèles. Il n’aura pas forcément gagné un usage.

Un produit gagnant, dans cette course, se reconnaît à trois signes simples.

• Les gens reviennent sans y être poussés par l’interface.
• Des métiers entiers, du code au montage, acceptent de lui confier une étape réelle.
• La qualité reste stable hors des démos, sur des demandes banales et répétées.

Aucun de ces signes ne se décrète dans une séance interne. Ils se mesurent des semaines après la mise en ligne, quand la curiosité est retombée. Le premier semestre 2026 n’est donc pas seulement une date de publication. C’est le début d’un examen que la distribution massive de Meta peut accélérer, ou fausser, selon la façon dont les modèles seront imposés dans les apps.

Ce que le calendrier révèle vraiment

Viser le premier semestre, c’est accepter une contrainte publique. Les équipes savent qu’un glissement se verra. Les rivaux, eux, n’attendent pas. Un modèle texte meilleur en code peut arriver trop tard si les développeurs ont déjà ancré leurs habitudes ailleurs. Un modèle vidéo peut arriver trop tôt s’il n’égale pas le niveau que le public considère désormais comme le minimum.

Il y a aussi un enjeu de crédibilité interne. Après les départs et les réorganisations, une feuille de route datée sert de contrat. Elle dit aux équipes restantes : voici ce que l’on construit, voici quand cela doit exister. Sans cette promesse, un laboratoire de superintelligence reste un intitulé. Avec elle, il devient redevable. C’est sans doute le geste le plus utile de cette séance de décembre.

Le risque inverse existe. Annoncer, même en interne, puis voir fuiter, crée une attente que le groupe ne contrôle plus. Mango et Avocado sont déjà des mots. Ils seront comparés, avant même leur sortie, à des systèmes que d’autres montrent chaque mois. La comparaison sera injuste. Elle aura lieu quand même.

Quatre lectures possibles de ce pari

On peut lire cette feuille de route de plusieurs façons, sans trancher trop vite.

• Rattrapage ciblé. Avocado cherche le code, Mango cherche l’image. Deux faiblesses, deux réponses, pas un modèle unique miracle.
• Pont vers les agents. Les world models préparent des systèmes qui ne se contentent plus de répondre, mais anticipent une scène.
• Test d’organisation. Le vrai sujet n’est pas le fruit du nom de code, c’est de savoir si le labo tient ses gens jusqu’à la livraison.
• Levier de distribution. Même un modèle moyen peut paraître massif s’il est poussé dans des apps déjà installées partout.

Ces lectures ne s’excluent pas. Un groupe de cette taille peut rattraper, expérimenter et saturer les écrans en même temps. Ce qui distinguera une vraie relance d’un simple remplissage, c’est la qualité perçue hors de l’écosystème Meta. Si des équipes extérieures adoptent Avocado pour coder, ou Mango pour produire, le signal sera plus fort que n’importe quel compteur interne.

Ce qu’il faudra observer au moment de la sortie

Quand les modèles quitteront le nom de code, quelques questions suffiront à séparer l’annonce du résultat. Le modèle texte tient-il une session de code longue, ou seulement un extrait brillant ? Le modèle visuel respecte-t-il une continuité sur plus de quelques secondes ? Les world models sont-ils une démo de recherche ou une fonction que l’on peut invoquer ? La modération suit-elle le rythme de la génération, surtout sur la vidéo ?

Il faudra aussi regarder le silence. Les projets qui comptent ne se jugent pas seulement à ce que l’entreprise montre. Ils se jugent à ce qu’elle retire, corrige, retarde. Un report assumé vaudrait mieux qu’une publication décorative. Dans cette industrie, la tentation de la date est forte. La mémoire des utilisateurs l’est aussi.

Meta a les moyens de calcul, l’audience et, désormais, une direction affichée. Il lui manque encore la preuve qu’un laboratoire recomposé peut livrer mieux que ceux qu’il cherche à rejoindre. Mango et Avocado ne trancheront pas toute la course. Ils diront si le nouveau chapitre est un récit, ou un produit. D’ici le premier semestre 2026, c’est à peu près la seule question qui vaille.